آموزش پرامپت نویسی ؛ چگونه با هوش مصنوعی حرفه‌ای تر کار کنیم؟

این روزها خیلی‌ها از ChatGPT، Gemini، Claude و ابزارهای دیگه هوش مصنوعی استفاده میکنن؛ اما نکته جالب که خیلی ها بهش توجه نمیکنند اینه که دو نفر میتونن از یک ابزار دقیقا یک سؤال رو بپرسن و دو تجربه کاملا متفاوت داشته باشن. یکی میگه «هوش مصنوعی فوق‌العاده‌ست، کلی از کارم رو جلو انداخت» و یکی دیگه میگه «هر چی ازش میپرسم، یه جواب کلی و به‌ دردنخور میده.» یکی از دلایل اصلی این تفاوت، چیزی به اسم «پرامپت نویسی» یا Prompt Engineering هست. من در این پادکست قصد دارم درباره آموزش پرامپت نویسی و اینکه چگونه با هوش مصنوعی حرفه ای تر کار کنیم صحبت کنم. پس تا انتهای این اپیزود از هرمس کست با من همراه باشید.

آموزش پرامپت نویسی دقیقا یعنی چی؟

خیلی ساده بخواهیم بگیم، پرامپت همون درخواست، سؤال یا دستوریه که به هوش مصنوعی میدیم. پرامپت نویسی هم یعنی این درخواست رو طوری مطرح کنیم که مدل هوش مصنوعی بهتر بفهمه دقیقا چه کاری ازش میخوایم. موضوع اصلا این نیست که چند کلمه عجیب‌ و غریب بلد باشیم یا یک فرمول مخفی پیدا کنیم. پرامپت خوب بیشتر شبیه اینه که یک کار رو درست به یک همکار تازه وارد که تقریبا کار خاصی بلد نیست توضیح بدیم. فرض کنید به یکی از همکاراتون بگید: «یه مقاله درباره اکسل بنویس.» طبیعیه که اولین سؤالش این باشه : برای کدام سایت؟ مخاطب کیه؟ چند کلمه ای باشه؟ آموزشی باشه یا تبلیغاتی؟ درباره کدوم بخش اکسل بنویسم؟

هوش مصنوعی هم با چنین دستور مبهمی احتمالا یک متن عمومی تحویلتون میده که قطعا متنی نیست که مورد پسند شما باشه. حالا چطوری با هوش مصنوعی حرفه ای تر کار کنیم و پرامپت تخصصی بدیم؟ وقتی پرامپت نویسی را یاد بگیرید، درخواستتون رو این‌ طوری مطرح می کنید: «برای صفحه معرفی یک دوره مقدماتی اکسل، یک متن حدود ۱۵۰۰ کلمه‌ ای بنویس. مخاطب افرادی هستن که تجربه زیادی با اکسل ندارن و میخوان از اون در محیط کار استفاده کنن. لحن ساده و آموزشی باشه، سه کاربرد واقعی اکسل رو توضیح بده و از کلمات اغراق‌ آمیز استفاده نکن.» اینجا همه‌ چیز روشن شده؛ تو این دستور گفته شده هدف چیه، مخاطب کیه، خروجی چه شکلی باشه و چه محدودیت‌هایی داریم.

راهنمای رسمی Google برای طراحی پرامپت

راهنمای رسمی Google برای طراحی پرامپت هم روی همین موضوع تأکید میکنه:

• اون میگه اول از همه هدفتان را مشخص کنید
• بعدش دستورتان شفاف باشه
• محدودیت‌ها و شرط هارا اعلام کنید
• و در آخر اگه نمونه‌ ای هم دارید به اشتراک بزارید اینجوری خروجی مناسب‌تری تولید می کنه.

البته خود گوگل هم میگه پرامپت نویسی یک فرایند آزمون و اصلاحه ؛ یعنی قرار نیست همیشه با اولین دستور به بهترین جواب برسیم. بهتره که رو جواب اولیه تکیه نکنید و اینقدر باهاش صحبت کنید تا به جوابی برسید که قانعتان میکنه. پس برای نوشتن یک پرامپت حرفه‌ای، نمیخواهد یک متن یک‌ صفحه‌ ای بنویسیم. معمولا چند سؤال ساده کافیه:

• دقیقاً چه هدفی دارم؟
• این خروجی برای چه کسیه؟
• چه اطلاعاتی باید در اختیار هوش مصنوعی بذارم؟
• چه محدودیت‌هایی دارم؟
• و در نهایت جواب رو با چه فرمتی میخوام؟

روش پرامپت نویسی با چند نمونه

یک نکته خیلی کاربردی دیگه هم که معمولا خیلی ها بهش توجه نمیکنند ، «مثال دادن» هست. یعنی باید بهش یه نمونه بدید. مثلا فرض کنید میخواهید هوش مصنوعی برای تولید محتوا در شبکه‌های اجتماعی تان عنوان بنویسه. به‌جای اینکه فقط بگید «۱۰ عنوان جذاب بهم بده»، میتونید دو یا سه نمونه از عنوان‌هایی که قبلا دوست داشتید بهش نشون بدید و بگید عنوان‌های جدید رو با همین سبک تولید کن. به این روش در دنیای هوش مصنوعی Few-shot Prompting یا پرامپت‌نویسی با چند نمونه گفته میشه. پژوهش‌ها هم نشون داده‌اند که ارائه نمونه مناسب میتونه در بعضی وظایف، مدل رو بهتر به سمت الگوی موردنظر هدایت کنه. در پژوهش معروف Wei در سال ۲۰۲۲ هم استفاده از نمونه‌های مرحله ای، حتی تونسته باعث بهبود عملکرد در مدل‌های بزرگ و پیچیده بشه.  البته اینجا یک اشتباه رایج هم وجود داره : اینکه فکر کنیم هرچقدر پرامپت طولانی‌تر باشه، حتما خروجی بهتری میده. اما اصلا این‌طور نیست.

اگر ده‌ها دستور مختلف و نامرتبط رو داخل یک پرامپت قرار بدیم ، حتی ممکنه نتیجه بدتر بشه. در کارهای پیچیده، بهتره مسئله رو به چند مرحله کوچیک‌تر تقسیم کنیم. یعنی اول از هوش مصنوعی بخوایم ساختار مقاله رو پیشنهاد بده، بعد یکی از بخش‌ها رو بنویسه و در مرحله بعد متن رو ویرایش یا برای سئو آماده کنه. اتفاقا راهنماهای Google هم تاکید کرده که کارهای پیچیده رو  بهتره به مراحل کوچک‌تر تقسیم کنید. یکی از روش‌های مؤثر طراحی پرامپت همین مرحله ای کردن دستوره.

مهم ترین نکته در پرامپت نویسی هوش مصنوعی

و نکته آخر از پادکست آموزش پرامپت نویسی که شاید از همه مهم‌تر باشه. حتی بهترین پرامپت دنیا هم تضمین نمیکنه که تمام جواب‌های هوش مصنوعی درست باشن. اگر درباره موضوعات علمی، پزشکی، حقوقی، مالی یا هر موضوع مهم دیگه‌ای از هوش مصنوعی کمک میگیرید، منبع اطلاعات رو بررسی کنید. خود OpenAI هم در راهنمای پرامپت‌نویسی تأکید میکنه که رسیدن به خروجی قابل اعتماد فقط به نوشتن یک دستور خوب محدود نمیشه و در کاربردهای جدی، ارزیابی و آزمایش خروجی‌ها اهمیت زیادی داره. پس اگر بخوایم کل آموزش پرامپت نویسی این قسمت رو در یک جمله خلاصه کنیم: به هوش مصنوعی نگید فقط «چی میخواید» ؛ تا جایی که برای انجام کار لازمه، توضیح بدید «برای چه کسی، با چه هدفی، با چه اطلاعاتی و در چه قالبی» اون خروجی رو میخواید.

و اگر جواب اول مناسب نبود، مکالمه تموم نشده. دقیقا بگید کدوم بخش خوب نیست و از مدل بخواید اصلاحش کنه. پرامپت نویسی با هوش مصنوعی بیشتر از اینکه حفظ کردن چند دستور آماده باشه، مهارت درست توضیح دادن، ارزیابی کردن و اصلاح کردنه. چنانچه دوست دارید کار با ابزارهای هوش مصنوعی رو حرفه‌ای‌ تر یاد بگیرید، میتونید آموزش‌های مرتبط با هوش مصنوعی رو در سایت هرمس دنبال کنید.